PERHITUNGAN MANUAL

1. Persiapkan image atau gambar yang akan di deteksi

2. Lakukan manipulasi citra select, dengan rumusan
imrect(gca,[round(sz(2)/2) round(sz(1)/2) 20 20])
imrect = image rectangle (membuat kotak) dengan ukuran 20 pixel lebar dan 20 pixel
panjang
3. Lakukan manipulasi potong crop dengan rumusan
imcrop(hasil dari imrect);
imcrop=image crop yaitu memotong hasil dari imrect
4. Hasil dari crop dilakukan proses MSER

Algoritma Maximally Stable Extremal Regions (MSER) secara dasar adalah regions detector.
Dasar perhitungan MSER dimulai dengan melakukan pemilihan atau sortir urutan piksel-
piksel dari intensitas rendah ke intensitas tinggi atau sebaliknya (misal pada citra grayscale
yang mempunyai intensitas {0,...,255}). Intensitas ini yang akan dinamakan threshold. Iterasi
dimulai dari threshold rendah (0) ke threshold tinggi (255) dan pada masing-masing
threshold dilakukan perhitungan area. Diman area yang tidak mengalami perubahan ketika
threshold diubah-ubah dinamakan MSER regions. MSER banyak digunakan pada aplikasi
text localization and recognition. Dalam setiap threshold citra, areaextremal ditandai sebagai
komponen yang berhubungan, sehingga terbentuk sebuah urutan dari masing-masing
komponen. Di beberapa threshold dua atau lebih komponen akan bergabung menjadi satu.
Pada threshold ini terjadi perubahan bentuk komponen secara signifikan, hal ini menjadikan
komponen tidak stabil dan letak lokasi menjadi tidak presisi, terutama dalam hal perubahan
intensitas dan noise. Maximally Stable Extremal Regions akan diekstrak dari urutan
komponen pada threshold yang direpresentasikan oleh perbedaan minimum komponen lokal
dalam area di dalam ruang threshold.
Algoritma Maximally Stable Extremal Regions (MSER) terdiri dari beberapatahapan
utama yang dapat dijelaskan sebagai berikut:
 Pengurutan seluruh piksel berdasarkan intensitas.
 Meletakkan piksel satu persatu (sesuai urutan intensitas) di dalam citra, dan
melakukan pembaharuan struktur keterkaitan komponen, yang berasal dari tingkatan
area-area extremal.
 Menghitung variasi area dari setiap area-area extremal. Dengan menggunakan

formula:
 Dimana i mewakili area-areaextremal dengan nilai intensitas tertinggi dan i + delta
merujuk pada perluasan area ke i, dengan intensitas maksimal sebesar i + delta ,
variable i adalah pebedaan relatif dari area dimana terdapat intensitas tertinggi dari i
ke i + delta .
 Melalui urutan/tingkatan area-area extremal. Mencari satu maximally stable extremal
yang memiliki “var” terkecil dari tingkat utama
5. Hasil Mser dilakukan proses canny

Langkah 1
Pertama, dilakukan penipisan terhadap citra dengan tujuan untuk menghilangkan derau.
Hal ini dapat dilakukan dengan menggunakan filter Gaussian dengan cadar sederhana. Cadar
yang digunakan berukuran jauh lebih kecil daripada ukuran citra. Contoh ditunjukkan pada
Gambar 1 :
 Gambar 1 : Contoh cadar Gaussian dengan theta = 1,4
Langkah 2
Setelah penghalusan gambar terhadap derau dilakukan, dilakukan proses untuk mendapatkan
kekuatan tepi (edge strength). Hal ini dilakukan dengan menggunakan operator Gaussian.
Selanjutnya, gradien citra dapat dihitung melalui rumus :

Langkah 3
Langkah ketiga berupa penghitungan arah tepi. Rumus yang digunakan untuk keperluan ini :

Langkah 4
Setelah arah tepi diperoleh, perlu menghubungkan antara arah tepi dengan sebuah arah yang
dapat dilacak dari citra. Sebagai contoh, terdapat susunan piksel berukuran 5 x 5 seperti terlihat
pada Gambar 2. Dengan melihat piksel “a” tampak bahwa a hanya memiliki 4 arah berupa 0
derajat, 45 derajat, 90 derajat, dan 135 derajat.
 Gambar 2 : Matrik piksel berukuran 5x5
Selanjutnya, arah tepi yang diperoleh akan dimasukkan ke dalam salah satu kategori dari
keempat arah tadi berdasarkan area yang tertera pada Gambar 3. Berikut adalah aturan konversi
yang berlaku :

Gambar 3 : Area mengkonversi arah tepi ke dalam kategori salah satu arah dari 00,45,90,135
derajat
 Semua arah tepi yang berkisar antara 0 dan 22,5 serta 157,5 dan 180 derajat (warna biru)
diubah menjadi 0 derajat.
 Semua arah tepi yang berkisar antara 22,5 dan 67,5 derajat (warna kuning) diubah
menjadi 45 derajat.
 Semua arah tepi yang berkisar antara 67,5 dan 112,5 derajat (warna merah) diubah
menjadi 90 derajat.
 Semua arah tepi yang berkisar antara 112,5 dan 157,5 derajat (warna hijau) diubah
menjadi 135 derajat.
Langkah 5
Setelah arah tepi diperoleh, penghilangan non-maksimum dilaksanakan. Penghilangan non-
maksimum dilakukan di sepanjang tepi pada arah tepi dan menghilangkan piksel-piksel (piksel
diatur menjadi 0) yang tidak dianggap sebagai tepi. Dengan cara seperti itu, diperoleh tepi yang
tipis.

Langkah 6
Langkah keenam berupa proses yang disebut hysteresis. Proses ini menghilangkan garis-garis
yang seperti terputus-putus pada tepi objek. Caranya adalah dengan menggunakan dua
ambang T1 dan T2. Lalu, semua piksel citra yang bernilai lebih besar daripada T1 dianggap
sebagai piksel tepi. Selanjutnya, semua piksel yang terhubung dengan piksel tersebut dan
memiliki nilai lebih besar dari T2 juga dianggap sebagai piksel tepi.

Bagian penting yang perlu dijelaskan adalah penghilangan non-maksimum dan peng-ambangan
histeresis. Penghilangan non-maksimum dilakukan dengan mula-mula menyalin isi larik Grad
(yang berisi besaran gradien) ke Non_max. Selanjutnya, penghilangan non-maksimum
dilaksanakan dengan memperhatikan dua titik tetangga yang terletak pada arah tepi (yang
tersimpan dalam Theta). Misalnya, arah tepi adalah 0. Apabila titik yang menjadi perhatian
mempunyai koordinat (r, c), dua titik tetangga berupa (r, c-1) dan (r, c+1). Apabila gradien titik
perhatian lebih besar daripada gradien kedua tetangga, nilainya akan dipertahankan. Sebaliknya,
jika nilai titik perhatian lebih kecil daripada nilai salah satu atau kedua gradien tetangga, nilainya
akan diabaikan (diubah menjadi nol). Seluruh kemungkinan proses seperti itu dijabarkan dalam
Gambar 4 :

Gambar 4 : Penghilangan Non-Maksimum

Peng-ambangan histeresis dilakukan dengan melibatkan dua ambang T1 (ambang bawah) dan
ambang T2 (ambang atas). Nilai yang kurang dari T1 akan diubah menjadi hitam (nilai 0) dan
nilai yang lebih dari T2 diubah menjadi putih (nilai 255). Lalu, bagaimana nilai yang lebih dari
atau sama dengan T1 tetapi kurang dari T2? Oleh karena itu, untuk sementara nilai pada posisi
seperti itu diberi nilai 128, yang menyatakan nilai abu-abu atau belum jelas, akan dijadikan 0
atau 255.

Selanjutnya, dilakukan pengujian untuk mendapatkan kondisi seperti tercantum pada Gambar 5.
Apabila kondisi seperti itu terpenuhi, angka 128 diubah menjadi 255. Proses pengujian seperti itu
dilakukan sampai tidak ada lagi perubahan dari nilai 128 menjadi 255. Tahap selanjutnya, semua
piksel yang bernilai 128 yang tersisa diubah menjadi nol.